從根本上改變了傳統(tǒng)的“人——車——路”閉環(huán)控制方式,，將無法用規(guī)則嚴(yán)格約束的駕駛員從該閉環(huán)系統(tǒng)中請出去，從而大大提高了交通系統(tǒng)的效率和安全性,，是汽車工業(yè)發(fā)展的革命性產(chǎn)物,。

　　從20世紀(jì)80年代開始人類就展開了車輛自主行駛研究,。美國是世界上研究自動駕駛汽車最早、水平最高的國家之一,。其中谷歌無人駕駛汽車影響力最為廣泛,，也是技術(shù)水平最成熟的公司之一。谷歌宣稱其無人駕駛汽車已經(jīng)在公路上安全行駛160多萬公里,，期間沒有發(fā)生過任何嚴(yán)重的碰撞事故,。但是能做到如谷歌自動駕駛車技術(shù)水平的公司寥寥無幾，可見其關(guān)鍵技術(shù)門檻是比較高的,。

　　下面談?wù)勛詣玉{駛汽車中幾個關(guān)鍵技術(shù),。

　　環(huán)境感知

　　傳感器探測環(huán)境信息，只是將探測的物理量進(jìn)行了有序排列與存儲,。此時計算機(jī)并不知道這些數(shù)據(jù)映射到真實環(huán)境中是什么物理含義,。因此需要通過適當(dāng)?shù)乃惴◤奶綔y得到的數(shù)據(jù)中挖掘出我們關(guān)注的數(shù)據(jù)并賦予物理含義，從而達(dá)到感知環(huán)境的目的,。

　　比如我們在駕駛車輛時眼睛看前方,，可以從環(huán)境中分辨出我們當(dāng)前行駛的車道線。若要讓機(jī)器獲取車道線信息,，需要攝像頭獲取環(huán)境影像,，影像本身并不具備映射到真實環(huán)境中的物理含義，此時需要通過算法從該影像中找到能映射到真實車道線的影像部分,，賦予其車道線含義,。

　　自動駕駛車輛感知環(huán)境的傳感器繁多，常用的有：攝像頭,、激光掃描儀,、毫米波雷達(dá)以及超聲波雷達(dá)等。

　　針對不同的傳感器,，采用的感知算法會有所區(qū)別,，跟傳感器感知環(huán)境的機(jī)理是有關(guān)系的。每一種傳感器感知環(huán)境的能力和受環(huán)境的影響也各不相同,。比如攝像頭在物體識別方面有優(yōu)勢,，但是距離信息比較欠缺，基于它的識別算法受天氣、光線影響也非常明顯,。激光掃描儀及毫米波雷達(dá),，能精確測得物體的距離，但是在識別物體方面遠(yuǎn)弱于攝像頭,。同一種傳感器因其規(guī)格參數(shù)不一樣,，也會呈現(xiàn)不同的特性。長距離毫米波雷達(dá)探測距離長達(dá)200米,，角度范圍較?。ā?0度），而中距離雷達(dá)探測距離為60米,，角度范圍較大（±45度）,。

　　為了發(fā)揮各自傳感器的優(yōu)勢，彌補(bǔ)它們的不足,，傳感器信息融合是未來的趨勢,。事實上，已經(jīng)有零部件供應(yīng)商做過此事,，比如德爾福開發(fā)的攝像頭與毫米波雷達(dá)組合感知模塊已應(yīng)用到量產(chǎn)車上,。

　　行為規(guī)劃

　　說到行為規(guī)劃也許大家會比較陌生，我們可以先從路徑規(guī)劃開始講講,。路徑規(guī)劃的概念在機(jī)器人中使用比較普遍,，一般定義為：

　　在具有障礙物的環(huán)境中,，按照一定的評價標(biāo)準(zhǔn),，尋找一條從起始狀態(tài)到目標(biāo)狀態(tài)的無碰撞路徑。對于無人車來講,，若確定了目標(biāo)地點的車輛位姿,，車輛具體以怎樣一條運動路徑行駛到目標(biāo)地點，即為路徑規(guī)劃,。

　　路徑規(guī)劃其實包含大范圍不考慮運動細(xì)節(jié)的全局路徑規(guī)劃以及具體到運動軌跡的局部路徑規(guī)劃,。

　　為了將無人車的局部路徑進(jìn)行形象地歸類、分析,，引入了“行為”的概念,。車輛在城市道路自主行駛時，它應(yīng)具備車道保持,、變換車道,、路口直行、路口拐彎,、掉頭,、繞障、智能啟停,、自動泊車等駕駛行為,。行為的有序排列及有機(jī)銜接,，方可完成整個自動駕駛?cè)蝿?wù)。

　　“駕駛行為”是局部路徑中細(xì)分出來的行駛單元,，當(dāng)然它的劃分應(yīng)該是多樣性的,，主要取決于算法實現(xiàn)。

　　行為與行為之間會保持相對獨立性,，但是行為切換時又具有平滑過渡的特征,。車輛行駛中，何時采用何種行為,，即為行為規(guī)劃（也有稱之為行為決策）,。

　　單個駕駛行為，其實目前很多整車廠或科研院所做了相當(dāng)多的工作,，甚至有的已經(jīng)推向市場,。如特斯拉的車道保持、自動變道,、跟車功能,，這些都是駕駛行為的具體實例。但是這些行為如何切換,，如何過渡,，特斯拉將其交給了人。自適應(yīng)巡航,、車道保持,、自動變道，都需要駕駛員手動操作后托管給機(jī)器,，并隨時準(zhǔn)備接管駕駛,。

　　人在同樣的工況中駕駛車輛，產(chǎn)生的駕駛行為序列是不一樣的,，甚至同一行為的具體執(zhí)行區(qū)別也較大,，這跟人的性格、安全意識和當(dāng)時的心情等有關(guān)系,。比如,，我們在趕時間時，變道次數(shù)會增多,，超車的安全系數(shù)會降低,；新手開車時，變道時機(jī)把握不好,，經(jīng)常急剎車等,；甚至在面臨事故時，是選擇撞車還是撞旁邊的人，不同的人可能有不同的選擇,。這些很多屬于人的高級思維,，也涉及到法律、倫理道德,，目前機(jī)器還很難達(dá)到這個層次,。但是人工智能或許是解決這一問題的突破口。

　　車輛定位

　　自動駕駛汽車進(jìn)行全自主行駛時,，需要解決三個基本問題：1.車輛在哪,；2.往哪兒去；3.怎么去,。

　　車輛在哪其實就是對車輛的定位,。定位方法有多種，比如衛(wèi)星定位,、地面基站定位,、視覺或激光定位以及慣導(dǎo)定位等。目前國內(nèi)高校無人車使用衛(wèi)星定位+基站定位方式比較多,，后兩種基本沒有涉及到,。

　　無人駕駛汽車?yán)锩娴降撞刂嗌俸诳萍迹?/p>

　　每一種定位方式都有其局限性，定位方式融合是趨勢,。

　　比如衛(wèi)星定位系統(tǒng)雖然適用范圍廣,、絕對位置精度高，但是其不適用于室內(nèi)或有遮擋物區(qū)域,、位置也會隨時間漂移,。視覺或激光定位相對位置精度非常高，無位置漂移,，但是其受環(huán)境影響非常大,。

　　將定位技術(shù)應(yīng)用到無人車上時,，衛(wèi)星定位可以解決大范圍絕對位置定位,、高速公路定位以及其他開闊空間定位問題，但是當(dāng)車進(jìn)入隧道,、高建筑物路段或室內(nèi)時,，定位信號會不穩(wěn)定或丟失。這時需要視覺或慣導(dǎo)等室內(nèi)定位方式去彌補(bǔ),。

　　車輛定位會直接或間接影響車輛運動控制與行為決策的實現(xiàn),，甚至也是感知環(huán)境所需的重要信息。在執(zhí)行已經(jīng)規(guī)劃出來的運動軌跡時,，運動控制算法需要定位信息不斷反饋實際的運動狀態(tài)做實時的調(diào)整,。在進(jìn)行行為切換時，切換時機(jī)需要充分了解到車輛所處交通環(huán)境的位置。感知方面,，比如利用SLAM技術(shù)構(gòu)建地圖,，就需要車輛的相對定位信息。

　　結(jié)束語

　　自動駕駛汽車是汽車界與機(jī)器人界碰撞,、融合的產(chǎn)物,，它匯集了機(jī)電一體化、環(huán)境感知,、電子與計算機(jī),、自動控制以及人工智能等一系列高科技。汽車作為人類重要的交通工具,，隨著這些子技術(shù)的融合,、發(fā)展與突破，必將變得越來越智能,，最終實現(xiàn)全天候無人駕駛,。